(Đọc phần 1 ở đây: https://khisachtroixanh.com/news/ai-duo%cc%a3c-tho-khong-khi-sach-o-new-delhi/)

Không chỉ một nguyên nhân dẫn tới ô nhiễm không khí tại Ấn Độ – và không có giải pháp duy nhất.

Nhưng người Ấn Độ đã học cách dựa vào một điều: Mùa thu và mùa đông là mùa ô nhiễm. Do nhiệt độ không khí giảm và tốc độ gió giảm mạnh, các chất ô nhiễm tập trung ở các thành phố của Ấn Độ, đặc biệt là ở phía Bắc, nơi nằm gần chân dãy núi Himalayas. Độ dài của dãy núi hình thành một tường chắn khiến giảm sự di chuyển của các khối không khí.

Chính các chất ô nhiễm cũng đến từ các nguồn khác nhau. 

Theo một vài ước tính, khí thải từ phương tiện giao thông chiếm khoảng 20% đến 40% lượng bụi PM2.5 ở New Delhi, nơi mà giao thông luôn là vấn đề lớn. Cháy nhà và phát thải từ hoạt động công nghiệp cũng góp phần vào phát thải bụi. Và vì thời tiết lạnh hơn khi thu về, những người nông dân ở khu vực nông thôn đốt phụ phẩm từ nông nghiệp, mùa màng, gây ra những đám khói đen lớn trôi dạt đi hàng dặm và tập trung ở khu vực thành phố.

Kết quả là lớp khói bụi ở New Delhi dày thuộc nhóm đầu thế giới.

Chính phủ Ấn Độ chưa đặt cuộc chiến với Ô nhiễm không khí là ưu tiên hàng đầu. Rất nhiều quan chức coi đây là một cái giá mà họ sẵn sàng trả cho sự tăng trưởng kinh tế nhanh chóng đã giúp cho hàng trăm nghìn người Ấn Độ thoát nghèo.

Sự phẫn nộ cũng không phải luôn luôn dễ thấy trên đường phố, cho dù khói bụi bao phủ dày đặc. Các nhà hoạt động môi trường nói rằng hầu hết mọi người không hề biết tình trạng ô nhiễm này tồi tệ đến mức nào.

“Chúng tôi đang nói về những người đã lớn lên ở khu vực nông thôn và tới thành phố mà không có sự chuẩn bị,” Ravina Kohli, một thành viên của nhóm “Quyền được Thở của Tôi/My Right to Breathe, một nhóm không khí sạch của Ấn Độ, cho biết. “Khi họ thấy dấu hiệu của không khí bị ô nhiễm, họ thậm chí không nghĩ rằng nó đang bị ô nhiễm.”

Có rất ít dữ liệu về việc chênh lệch về kinh tế – xã hội có thể làm trầm trọng tình trạng phơi nhiễm với ô nhiễm ở New Delhi, theo Pallavi Pant, một nhà khoa học làm việc tại Viện Ảnh hưởng Sức khoẻ. “Chúng ta đang không theo dõi đủ cẩn thận về tình trạng sống của người dân, hoặc nơi họ sống, cũng như tình trạng kinh tế xã hội của họ như thế nào,” Bà nói thêm.  

Rõ ràng, tiền giải quyết được.

Bố mẹ của Aamya chẳng hạn, đã tính toán để bảo vệ cô khỏi một số tình trạng ô nhiễm. Nhưng nó gần như chưa đủ.

Thực tế, các nhà nghiên cứu nói rằng, không có sự nỗ lực cá nhân nào có thể giải quyết vấn đề này. Cần các hành động quy mô hơn được thực hiện, để giúp các thành phố của Ấn Độ là nơi có thể sống cho tất cả mọi người – dù họ giàu hay nghèo.


Cuối ngày, một kẻ thủ vô hình trà trộn qua cửa chính và cửa sổ của cả người giàu và người nghèo

Khi tan học, Aamya và Monu trở về với ngôi nhà của các em, chuẩn bị làm bài tập về nhà.

Khi làm xong, Monu xem mẹ nấu nướng trên bếp lửa, giống như lúc sáng. Ở nhà Aamya, có một người giúp việc nấu ăn ở một phòng riêng biệt.

Khi gia đình Aamya ngồi vào bàn ăn tối, máy lọc không khí tiếp tục phát ra những tiếng kêu trấn an. Nhưng đó là tất cả những gì máy móc có thể làm. Ở Delhi, không khí là không khí, và như hầu hết các tòa nhà khác trong thành phố, nồng độ ONKK trong nhà Aamya vẫn rất cao.

Ngày của Monu kết thúc như khi bắt đầu, với mức độ phơi nhiễm với ô nhiễm không khí cao. Nhưng tỉ lệ phơi nhiễm của Aamya cũng tăng lên vào buổi tối.

Khi Aamya đi ngủ, mức độ bụi mịn trong nhà cô bé  chạm ngưỡng 100 microgram/m3, chỉ số cao nhất trong ngày.

Tuy nhiên, mức độ phơi nhiễm của Monu vào buổi tối hôm đó cao hơn nhiều, tăng đột biến khi các gia đình xung quanh nhà cậu bé  đốt lửa lớn để nấu ăn và giữ ấm.

Ranju, mẹ của Monu, nói chị không bao giờ nghĩ về ô nhiễm không khí. Khi được hỏi về ô nhiễm không khí, chị cười, xua tay một cách miễn cưỡng và nói, “Đó là điều tôi ít lo lắng nhất.” Suy  cho cùng thì một ngày của chị quá dài và vất vả, bắt đầu từ 4 giờ sáng và kéo dài đến tận 10 giờ đêm.

Gia đình Monu không có nước sinh hoạt nên mỗi ngày, Ranju phải đi lấy nước từ một máy bơm tay. Chị có chín người con, hằng ngày chị nấu ăn và dọn dẹp cho gia đình. Chị chưa bao giờ được đi học.

Mẹ của Aamya, Bhavna, có bằng M.B.A., đã làm việc nhiều năm với cương vị giám đốc điều hành tiếp thị và khi còn trẻ, chị đã từng sống ở Paris. Ô nhiễm không khí là một nỗi lo lớn đối với chị, đặc biệt là vì căn bệnh hen suyễn của Aamya.

“Khi còn nhỏ, cha mẹ chúng tôi thường nói với chúng tôi rằng ‘Con cần phải năng hoạt động hơn, con cần phải ra ngoài, chơi thể thao nhiều hơn’, chị nhớ lại. “Nhưng giờ chúng tôi đang sống ở điều kiện mà chúng tôi phải nói với lũ trẻ của mình rằng “Không, con không thể đến công viên, không khí rất tệ.”

“Những hoạt động đơn giản như ra ngoài đi bộ và đến công viên đã hoàn toàn mất đi,” chị nói.

Nhưng đến cả chiếc giường ấm áp cũng không hoàn toàn an toàn.

Khi Aamya ngủ, em hít phải nhiều chất ô nhiễm hơn hầu hết trẻ em trên thế giới.

Điều đó còn tệ hơn nhiều  đối với Monu.

Khi Monu buông màn chống muỗi quanh giường và nằm xuống, mức độ phơi nhiễm của em cao gấp đôi so với Aamya. Không có lối thoát nào cho em. Khoảng thời gian ô nhiễm nhất trong ngày của em xảy ra ở nhà, khi em chìm vào giấc mơ của mình.


Chúng tôi thu thập dữ liệu như thế nào?

Có nhiều cách để đo chất lượng không khí và nhiều chất ô nhiễm gây ảnh hưởng tiêu cực lên sức khỏe. Chúng tôi tập trung vào bụi mịn PM2.5 vì bụi này đặc biệt nguy hiểm và có một số cảm biến chi phí thấp (low-cost sensors) có thể đo được loại bụi này. Khi đo thực địa, chúng tôi đã làm việc với hai nhà nghiên cứu ONKK từ ILK Labs là Meenakshi Kushwaha và Adithi Upadhya. Chúng tôi cũng đã tham khảo ý kiến của Joshua Apte, một nhà khoa học ONKK tại Đại học California, Berkeley về thiết kế của nghiên cứu này.

Về cơ bản, chúng tôi đã sử dụng bốn công cụ khác nhau để thu thập dữ liệu PM2.5:

  • AirBeam2: cảm biến chi phí thấp dùng cho cá nhân 
  • PurpleAir PA-II: cảm biến chi phí thấp đã được thử nghiệm rộng rãi trong các nghiên cứu khoa học
  • DustTrak II 8530: trạm đo PM2.5 thực hiện các phép đo mỗi giây một lần
  • UPAS: đo lường rất chính xác mức độ phơi nhiễm trong một khoảng thời gian dài hơn

Ba thiết bị đầu tiên hoạt động bằng cách đo cách các hạt trong một mẫu không khí bị ô nhiễm làm phân tán một chùm ánh sáng laser. Thiết bị UPAS thực hiện phép đo chính xác hơn bằng cách sử dụng một bộ lọc không khí nhỏ mà sau đó phòng thí nghiệm sẽ  phải xử lý. Các số liệu ở đầu phóng sự được đo bằng thiết bị này.

Máy AirBeam là công cụ chính của chúng tôi để thu thập dữ liệu, bởi vì nó đủ nhỏ để trẻ em mang theo cả ngày. Cảm biến bên trong của nó được sản xuất bởi cùng một công ty với cảm biến trong PurpleAir PA-II. Các nghiên cứu đã chỉ ra rằng các dữ liệu đo được từ hai cảm biến này tương đương nhau.

Chúng tôi đã ở cùng hai bạn trẻ từ sáng sớm cho đến tận đêm khuya. Tuy nhiên, pin của AirBeam không thể sử dụng được lâu như vậy, vì vậy chúng tôi đã kết nối nó với một pin lớn hơn. AirBeam báo cáo dữ liệu tới người dùng thông qua một ứng dụng điện thoại, nhưng chúng tôi muốn có phương án dự phòng, vì vậy chúng tôi đã kết nối AirBeam với một máy tính Raspberry Pi bé. Chúng tôi đã sửa đổi phần mềm mã nguồn mở để điều khiển AirBeam và tải các phép đo xuống máy tính Pi vài giây một lần. Chúng tôi cũng phải thêm một mô-đun đồng hồ vào Pi để theo dõi thời gian chính xác hơn.

Chúng tôi cũng thu thập dữ liệu về độ ẩm và nồng độ carbon đen.

Chúng tôi xử lý dữ liệu như thế nào?

Việc đo PM2.5 có thể khó khăn, đặc biệt là khi sử dụng các cảm biến chi phí thấp hơn. Độ ẩm có thể làm cho các hạt phồng lên. Thành phần hạt có thể làm mất khả năng quang học của cảm biến. Và luôn có vài chênh lệch giữa số đo của các cảm biến khác nhau. Cô Upadhya và cô Kushwaha đã sử dụng các kỹ thuật khoa học để điều chỉnh dữ liệu của chúng tôi nhằm khắc phục những yếu tố này.

Một dự án nghiên cứu dài hạn của Tiến sĩ Apte trước đây đã thiết lập cách dữ liệu từ cảm biến PurpleAir khớp với dữ liệu từ một trạm quan trắc CLKK tham chiếu rất chính xác ở New Delhi. Chúng tôi đã sử dụng mối quan hệ này để điều chỉnh dữ liệu PurpleAir của mình. Chúng tôi cũng đặt thiết bị AirBeam của mình gần trạm tham chiếu trong khoảng 8 ngày và sử dụng hồi quy tuyến tính để xác định cách điều chỉnh dữ liệu đó. Ngoài ra, chúng tôi đã hiệu chỉnh dữ liệu của mình cho các mức độ ẩm bằng cách sử dụng các phương trình từ nghiên cứu của Chakrabarti et al.

Biểu đồ đường (line chart) trong phóng sự này hiện thị dữ liệu từ cả AirBeam và PurpleAir, tùy thuộc vào loại cảm biến được gắn với mỗi đứa trẻ trong từng thời điểm trong ngày. Các hiệu chỉnh mà chúng tôi đã áp dụng và sự tương đồng giữa cảm biến của hai thiết bị này cho phép chúng tôi bổ sung các số liệu còn thiếu trong bộ dữ liệu này với các số liệu trong bộ dữ liệu khác.

Biểu đồ thanh (bar chart) đi kèm với các video trong phóng sự này thể hiện bộ dữ liệu trên, được tăng cường bởi bộ dữ liệu được đo mỗi giây một lần từ thiết bị DustTrak. Chúng tôi làm cách này để thể hiện mức độ phơi nhiễm với ô nhiễm của Monu và Aamya liên tục thay đổi, nhưng về mặt khoa học, một số biến động trong bộ dữ liệu này có thể chỉ là do dữ lliệu tạp nhiễu.

Chúng tôi đã ước tính ONKK có thể ảnh hưởng tới tuổi thọ của hai em như thế nào?

Việc sử dụng dữ liệu trong một ngày để dự đoán ảnh hưởng thực tế của ô nhiễm tới sức khỏe của hai em trong thời gian dài là không thể. Tuy nhiên, chúng tôi biết đủ về việc phơi nhiễm với ô nhiễm làm giảm tuổi thọ nói chung như thế nào để có thể ước tính sơ bộ số năm một người mất đi nếu cả đời họ bị phơi nhiễm với lượng ô nhiễm mà chúng tôi quan sát được từ  Monu và  Aamya.

Chúng tôi đã ước tính mức độ phơi nhiễm lâu dài với PM2.5 từ dữ liệu trong một ngày với 2 bước.

Đầu tiên, chúng tôi so sánh kết quả thu được trong 24 giờ của Monu và Aamya với mức PM2.5 trung bình từ các trạm quan trắc gần đó ở Delhi trong cùng khoảng thời gian, tức là 128 μg/m3. Monu tiếp xúc với 148,9 μg/m3 bụi mịn PM2.5, tương ứng với khoảng 116% nồng độ không khí xung quanh, và Aamya thì tiếp xúc với 36,6 μg/m3, tức là khoảng 29% nồng độ xung quanh.

Sau đó, chúng tôi so sánh tỷ lệ phần trăm đó với nồng độ không khí trung bình trong năm 2018 và 2019, là 108,9 μg/m3. Từ đó chúng tôi đã ước tính mức độ phơi nhiễm hàng năm là khoảng 127 μg/m3 đối với Monu và khoảng 32 μg/m3 đối với Aamya. Mặc dù ước tính sơ bộ này khá hữu ích, phép tính toán này giả định rằng mỗi ngày của các em có xu hướng giống với những ngày chúng tôi đi theo các em, và điều này có thể không đúng. Nó cũng có thể đánh giá quá cao hoặc quá thấp về các tác nhân trong gia đình như việc Monu tiếp xúc với lửa nấu ăn.

Nhiệm vụ tiếp theo của chúng tôi là chuyển ước tính sơ bộ của chúng tôi về mức độ phơi nhiễm với ô nhiễm hàng năm thành số năm tuổi thọ bị mất.

Chỉ có vài nghiên cứu về việc tiếp xúc trong thời gian dài với các hạt bụi mịn có thể làm giảm tuổi thọ tại những khu vực ô nhiễm nghiêm trọng. Chỉ số cuộc sống Chất lượng Không khí do Đại học Chicago đưa ra là một trong số ít các nghiên cứu tập trung vào Ấn Độ. Tuy nhiên đánh giá của họ lại sử dụng cách tiếp cận từ một nghiên cứu ở Trung Quốc để ước tính rằng cứ tiếp xúc lâu dài với 10 μg / m3 bụi mịn PM2.5 sẽ làm giảm tuổi thọ của một người đi một năm. Với kết quả từ Mỹ thì con số đó lại thấp hơn: gần nửa năm tuổi thọ bị mất đi trên 10 μg/m3,  và đôi khi thậm chí còn ít hơn. Nhưng kết quả từ các nghiên cứu ở Trung Quốc hoặc Mỹ không nhất thiết phải áp dụng cho các thành phố của Ấn Độ.

Chúng ta nên ước tính theo phương pháp nào? Các nhà khoa học không chắc chắn, bởi vì không có đủ dữ liệu để biết liệu mối quan hệ giữa mức độ phơi nhiễm và số năm tuổi thọ bị mất có còn tồn tại ngay cả ở những nơi có mức độ ô nhiễm cao như Delhi hay không. Chúng tôi đã sử dụng một ước tính tương đối là nửa năm tuổi thọ bị mất trên 10 μg/m3. Theo Arden Pope, giáo sư kinh tế tại Đại học Brigham Young và là chuyên gia nổi tiếng về vấn đề ô nhiễm ảnh hưởng đến tuổi thọ, đây là một ước tính hợp lý dựa trên những gì chúng ta biết từ các nghiên cứu khác.

Áp dụng những con số này vào ước tính mức độ phơi nhiễm lâu dài cho chúng tôi ước tính về tuổi thọ bị mất: nếu mức phơi nhiễm PM2.5 được giảm xuống mức đặt ra của Tổ chức Y tế Thế giới (10 μg/m3), một người như Aamya có thể có thêm khoảng một năm tuổi thọ, và một người như Monu thì có thể thêm được hơn sáu năm.

Chúng tôi sử dụng nhiều giả định khi tính toán những con số này, ví dụ như: Mono và Aamya sẽ sống trong điều kiện tương tự như bây giờ trong phần lớn cuộc đời của các em, tình trạng ONKK ở Delhi sẽ không được cải thiện và cũng sẽ không tệ hơn.

Có khá ít kết quả về ảnh hưởng của ONKK đến một độ tuổi nhất định. Và có thể chúng ta chưa hiểu hết ảnh hưởng dài hạn của bụi PM2.5 lên sức khỏe của trẻ em. Thành phần của không khí cũng có thể ảnh hưởng đến ước tính của chúng tôi: Monu hít nhiều khói từ đốt củi hơn hẳn Aamya.

Mặc dù vậy, những con số này là những ước tính sơ bộ về việc ONKK có thể làm rút ngắn nhiều năm tuổi thọ của một đứa trẻ.

Bài viết gốc: https://www.nytimes.com/interactive/2020/12/17/world/asia/india-pollution-inequality.html

Dịch bởi: Live & Learn